[论文解读] A robust quantitative local central limit theorem with applications to enumerative combinatorics and random combinatorial structures

Stephen DeSalvo, Georg Menz|arXiv (Cornell University)|Oct 24, 2016

Advanced Combinatorial Mathematics参考文献 52被引用 4

一句话总结

本文建立了针对扰动对数凹分布的稳健定量局部中心极限定理（QLCLT），使得在随机组合结构中能够精确近似分量大小的分布。通过利用光滑性与弱收敛论证，证明了真实分布与独立过程近似之间的总变差距离以多项式速度衰减，推广了经典在整数分拆与集合分拆中的结果，并给出了明确的误差界。

ABSTRACT

A useful heuristic in the understanding of large random combinatorial structures is the Arratia-Tavare principle, which describes an approximation to the joint distribution of component-sizes using independent random variables. The principle outlines conditions under which the total variation distance between the true joint distribution and the approximation should be small, and was successfully exploited by Pittel in the cases of integer partitions and set partitions. We provide sufficient conditions for this principle to be true in a general context, valid for certain discrete probability distributions which are $ extit{perturbed log-concave}$, via a quantitative local central limit theorem. We then use it to generalize some classical asymptotic statistics in combinatorial theory, as well as assert some new ones.

研究动机与目标

• 建立一个适用于组合背景下离散、扰动对数凹分布的一般性、稳健定量局部中心极限定理。
• 提供充分条件，使得Arratia–Tavare原理在具有明确总变差误差界的前提下成立。
• 通过基于弱收敛与特征函数的统一框架，推广经典在整数分拆与集合分拆中的渐近结果。
• 通过用对数凹测度上的有界扰动条件替代对数凹性假设，避免深入的生成函数分析。
• 将局部中心极限定理的适用范围扩展至具有依赖分量大小的可分解组合结构。

提出的方法

• 通过结合中心极限定理与分量大小分布的光滑性条件，推导出一个定量局部中心极限定理。
• 利用特征函数技术与弱收敛分析扰动对数凹随机变量的极限行为。
• 引入对数凹测度上的有界扰动条件，以将结果推广至严格对数凹序列之外。
• 应用紧致性与弱收敛论证，证明分量大小的极限分布为格点分布，并继承近似对数凹族的单峰性。
• 通过在矩生成函数与概率比上使用一致界，控制真实分布与独立过程近似之间的总变差距离。
• 利用格点分布的结构以及格点上概率非零的性质，在周期性假设下导出矛盾，从而证明极限的唯一性。

实验结果

研究问题

• RQ1 在何种条件下，真实分量大小联合分布与独立过程近似之间的总变差距离以多项式速度衰减？
• RQ2 如何为对数凹测度的扰动离散分布建立一个定量局部中心极限定理？
• RQ3 对生成函数或概率质量函数的最小假设是什么，才能确保Arratia–Tavare原理在具有明确误差界的前提下成立？
• RQ4 是否可以使用避免深入Tauberian或生成函数分析的框架，推广经典在整数分拆与集合分拆中的结果？
• RQ5 在弱收敛背景下，如何通过矩界与扰动控制来量化分布的光滑性？

主要发现

• 在对数凹测度的有界扰动条件下，真实分量大小分布与独立过程近似之间的总变差距离以 O(n^{-1/2}) 速度衰减。
• 证明了分量大小的极限分布为格点分布，格距为 c_{1,∞}，其支撑完全由序列的极限参数决定。
• 极限分布的概率质量函数是有界扰动下的对数凹分布，确保非零概率在相邻格点间传播。
• 若极限分布的特征函数具有周期 2π，则导出矛盾，证明极限分布不可能是周期性的，从而确保极限的唯一性。
• 通过用较弱的扰动条件替代强单峰性，避免了深入的生成函数分析，显著扩大了方法的适用范围。
• 该框架成功推广了Pittel在整数分拆与集合分拆中的结果，提供了总变差距离的显式误差界。